大家好，我是Python进阶者。
一、前言
前几天在Python铂金交流群【Jethro Shen】问了一个Python自动化办公的问题，提问截图如下：
代码运行后的结果：
他预期的效果是选项和答案部分也需要显示出来，目前看上去还是没有显示出来。
他的原始代码如下：
1import re 2 3black_char = re.compile("[\s\u3000\xa0]+") 4 5chinese_nums_rule = re.compile("[一二三四]、(.+?)\(") 6title_rule = re.compile("\d+.") 7option_rule = re.compile("\([ABCDEF]\)") 8option_rule_search = re.compile("\([ABCDEF]\)[^(]+") 9answer_rule = re.compile("\([ABCDEF]\)") 10 11# 从word文档的“一、单项选择题”开始遍历数据 12for paragraph in doc.paragraphs[1:100]: 13 # 去除空白字符,将全角字符转半角字符，并给括号之间调整为中间二个空格 14 line = black_char.sub("", paragraph.text).replace( 15 "（", "(").replace("）", ")").replace("．", ".").replace("()", "( )").replace("【", "").replace("】", "") 16 # 对于空白行就直接跳过 17 if not line: 18 continue 19 if title_rule.search(line): 20 print("题目", line) 21 elif option_rule.search(line): 22 print("选项", option_rule_search.findall(line)) 23 elif answer_rule.search(line): 24 print("答案",answer_rule.findall(line)) 25 else: 26 chinese_nums_match = chinese_nums_rule.search(line) 27 if chinese_nums_match: 28 print("题目", chinese_nums_match.group(1)) 29
二、实现过程
这里【瑜亮老师】指出是正则表达式的问题，没匹配到，自然就出不来结果。后来【不上班能干啥！】给了一份代码，如下所示：
1import re 2 3black_char = re.compile("[\s\u3000\xa0]+") 4 5chinese_nums_rule = re.compile("[一二三四]、(.+?)\(") 6title_rule = re.compile("\d+.") 7option_rule = re.compile("([A-F]\..+?)\s") 8# option_rule_search = re.compile("\([A-F]\)[^(]+") 9answer_rule = re.compile("【答案】([A-F])") 10 11# 从word文档的“一、单项选择题”开始遍历数据 12for paragraph in doc.paragraphs[1:100]: 13 # 去除空白字符,将全角字符转半角字符，并给括号之间调整为中间二个空格 14 line = black_char.sub(" ", paragraph.text).replace( 15 "（", "(").replace("）", ")").replace("．", ".").replace("()", "( )") + " " 16 # 对于空白行就直接跳过 17 if not line: 18 continue 19 if title_rule.match(line): 20 print("题目", line) 21 elif option_rule.match(line): 22 print("选项", option_rule.findall(line)) 23 if '【答案】' in line and answer_rule.search(line): 24 print("答案",answer_rule.findall(line)) 25 elif answer_rule.match(line): 26 print("答案",answer_rule.findall(line)) 27 else: 28 chinese_nums_match = chinese_nums_rule.match(line) 29 if chinese_nums_match: 30 print("题目", chinese_nums_match.group(1)) 31
运行之后，可以得到预期发效果：
归根结底，还是正则表达式的问题。
后来【甯同学】使用 openpyxl库，也给了一份代码，如下所示：
1from docx import Document 2import openpyxl 3wb = openpyxl.Workbook() 4ws = wb.active 5ws.append(['题目','选项1','选项2','选项3','选项4','答案']) 6doc = Document("题库.docx") 7all_runs = doc.paragraphs 8rows = [] 9for run in all_runs[1:]: 10 print([run.text]) 11 if '【答案】' in run.text: 12 text_list= run.text.replace('\n ','\t\t').replace('【答案】','').split('\t\t') 13 rows += text_list 14 ws.append(rows) 15 rows = [] 16 continue 17 text_list= run.text.replace('\n ','\t\t').split('\t\t') 18 rows += text_list 19wb.save('1.xlsx') 20
可以得到预期的效果，如下图所示：
效果还是不错的！
后来【不上班能干啥！】还结合Pandas给了一份代码，如下所示：
1import re 2import pandas as pd 3from docx import Document 4 5doc = Document("题库.docx") 6text = re.sub(r'<.*?>', '', doc.part.blob.decode('utf-8'), flags=re.S) 7 8a = pd.DataFrame(re.findall(r'(\d+\..*?)(A\..*?)(B\..*?)(C\..*?)(D\..*?)【答案】([A-Z])', text), 9 columns=['题目', '选项一', '选项二', '选项三', '选项四', '答案']) 10a.replace([r'^\s+', '\s+$'], '', regex=True, inplace=True) 11a.to_excel('题库.xlsx', index=False) 12
这个Pandas功力已经到炉火纯青的地步了！
三、总结
大家好，我是皮皮。这篇文章主要盘点了一个Python自动化办公的问题，文中针对该问题，给出了具体的解析和代码实现，帮助粉丝顺利解决了问题。
最后感谢粉丝【WYM】提问，感谢【dcpeng】、【瑜亮老师】、【不上班能干啥！】、【甯同学】给出的思路和代码解析，感谢【水方人子】、【D I Y】、【冫马讠成】、【猫药师Kelly】等人参与学习交流。